Cofre air-gapped com EBS Archive: o pré-mortem de um RTO de 72 horas
Em 12 de novembro de 2026 a AWS passou a permitir que backups de EBS guardados num logically air-gapped vault desçam para o Amazon EBS Snapshots Archive. O argumento de custo se vende sozinho: o archive custa US$ 0,0125 por GB-mês, contra US$ 0,05 do tier padrão de snapshots do EBS. A pergunta que me interessa não é quanto isso economiza, é o que acontece com o seu RTO no dia em que o único ponto limpo estiver no archive. Para responder, escrevi o postmortem antes do incidente.
Como ler este texto
Isto é um pré-mortem: um cenário de game day montado a partir de limites que a AWS documenta, não um incidente de cliente ou de empregador. Os horários da linha do tempo são hipóteses do exercício. Os limites (72 horas de restore, 5 restores simultâneos por conta, 90 dias mínimos no archive, nenhuma cópia depois da transição) estão na documentação citada no fim.
O que aconteceu no cenário
O sistema é um núcleo de liquidação em us-east-1: 12 volumes EBS, 18 TB somados, criptografados com chave gerenciada pelo cliente. A proteção tinha duas camadas. Camada diária: regra do AWS Backup para um cofre padrão, retenção de 35 dias, sem Vault Lock. Camada mensal: regra com cópia para um logically air-gapped vault, archive habilitado depois de 30 dias em warm storage e retenção total de 7 anos, porque o regulador pede histórico longo.
O time de plataforma fez o que o anúncio sugere e ligou o archive para cortar custo. A cópia para us-west-2, onde ficava o ambiente de recuperação isolado (o clean room), não estava na regra: era um job trimestral que copiava pontos do cofre LAG para um segundo cofre LAG na outra região. Na planilha de retenção isso parecia equivalente.
O atacante entrou com credenciais administrativas da organização primária e ficou quieto por cerca de quatro meses antes de criptografar. Quando a criptografia começou, os 35 dias de pontos diários já estavam contaminados, e o cofre padrão, sem lock, teve os pontos apagados. O cofre LAG fez o que promete: compliance mode, ninguém apaga, nem o root. O ponto limpo mais recente era o mensal de quatro meses atrás. E ele estava no archive desde o 31º dia.
A proteção funcionou: o dado sobreviveu. A recuperação falhou, porque o desenho nunca perguntou quanto tempo leva para trazer de volta um ponto com mais de 30 dias.
Linha do tempo do exercício
- 1
T+0h: detecção
Volumes do núcleo de liquidação criptografados. O CloudTrail mostra
DeleteRecoveryPointbem-sucedido no cofre padrão e negado no cofre LAG. - 2
T+0h45: organização primária declarada comprometida
O time para de confiar em qualquer identidade da organização primária e passa para a conta de recuperação, numa segunda organização.
- 3
T+2h: restore access vault aprovado
O approval team do Multi-party approval atinge o quórum e libera o restore access backup vault na conta de recuperação. Funcionou como desenhado.
- 4
T+3h: ponto limpo identificado
A análise forense aponta o mensal de quatro meses atrás como o último ponto limpo. Status: archive.
- 5
T+3h10: a cópia para o clean room falha
Backup EBS que já foi para o archive não pode ser copiado para outro cofre nem para outra região, nem a partir do restore access vault. O clean room em
us-west-2fica inútil para esse ponto. - 6
T+4h: restore do archive iniciado em us-east-1
Só 5 restores simultâneos por conta. Os 12 volumes viram 3 ondas, e nenhuma pode ser cancelada depois de iniciada.
- 7
T+24h: RTO estourado
O RTO acordado era 24 horas. No pior caso documentado, até 72 horas por onda, o último volume volta perto de T+220h, quase nove dias depois.
Causa raiz
A causa raiz não foi o ataque, foi o desenho de retenção ter tratado o archive como tier de custo, quando ele também é tier de RTO. Três decisões se somaram: a cópia cross-Region foi planejada a partir do cofre LAG depois da transição, quando ela já não é possível; ninguém mapeou o RTO pela idade do ponto; e a cota de 5 restores simultâneos por conta nunca entrou no runbook.
Por que o archive é uma decisão de RTO
Ponto arquivado não se comporta como snapshot. A documentação do EBS lista os modos de falha, e cada um mexe no tempo de recuperação.
Restore lento e sem volta: trazer um snapshot do archive para o tier padrão leva até 72 horas, conforme o tamanho, e o processo não pode ser cancelado depois de iniciado. Escolheu o ponto errado? Você paga o restore inteiro e espera de novo.
Nenhum uso direto: snapshot arquivado não cria volume, não entra em block device mapping, não é compartilhado nem copiado. O fast snapshot restore é desligado na transição e precisa ser religado à mão depois.
Cotas por conta: o padrão é 5 restores de archive simultâneos e 25 snapshots arquivados por volume. Com 12 volumes, o primeiro número transforma 72 horas em até 216. O segundo merece atenção num plano de 7 anos com ponto mensal, que gera 84 pontos por volume. Não encontrei na documentação do cofre LAG se essa cota vale para pontos guardados na conta de serviço da AWS Backup. Confirme com o suporte antes de assumir.
Snapshot cheio: o ponto arquivado é sempre full, não incremental. 18 TB arquivados são 18 TB restaurados, cobrados a US$ 0,03 por GB.
A lição é de engenharia, não de preço: cada tier de armazenamento precisa ter um RTO escrito ao lado. Ponto warm volta em horas. Ponto arquivado volta em dias, e só na região e na conta em que já está.
Os três números que mudam o runbook
Onde a cópia precisa acontecer: antes da transição
O diagrama responde uma pergunta: em que ponto do ciclo de vida o backup ainda pode sair da região. A cópia cross-Region parte do tier warm; depois do archive, o ponto só é restaurado onde está. As setas tracejadas são assíncronas: a transição de ciclo de vida e o restore lento do archive. Simplificado: não mostra o cofre padrão diário nem a chave KMS.
- Amazon EBS · 12 volumes, 18 TB
- AWS Backup plan · monthly rule
- LAG vault us-east-1 · warm storage
- EBS Snapshots Archive · up to 72h restore
- LAG vault us-west-2 · warm copy
- Multi-party approval · approval team
- Restore access vault · recovery account
Remediação: retenção em faixas de RTO
A correção não é desligar o archive, é parar de tratar a retenção como uma linha só.
Cópia antes da transição: a cópia para o cofre LAG de us-west-2 entra como copy action da própria regra mensal, com o ciclo de vida da cópia mantendo o ponto em warm. A documentação é explícita: para ter cópia em outra conta ou região, copie enquanto o backup está em warm storage. Job trimestral a partir do cofre LAG é exatamente o que não funciona.
Faixas com RTO escrito: os 3 últimos mensais ficam warm nas duas regiões (RTO em horas). Do 4º mês em diante vão para o archive (RTO em dias, só em us-east-1). Essa tabela vai para o documento de continuidade assinado pelo negócio, não fica na cabeça do time de plataforma.
Restrições do ciclo de vida: a regra precisa rodar mensalmente ou com menos frequência. A retenção total tem que ser pelo menos 90 dias maior que o tempo em warm e caber entre a retenção mínima e a máxima do cofre. Um cofre criado com máximo de 35 dias rejeita a cópia de 7 anos sem alarde nenhum na planilha; veja o MaxRetentionDays antes.
Chave: volume criptografado com a chave gerenciada pela AWS (aws/ebs) não pode ser compartilhado entre contas e por isso não entra no cofre LAG. Use chave gerenciada pelo cliente com key policy que permita a AWS Backup.
Cota e convite: peça o aumento da cota de restores simultâneos antes do incidente. Compartilhamento via RAM só aceita IDs de conta individuais, e o convite expira em 12 horas: aceite no game day, não no dia do ataque.
Custo: fazer a conta inteira, não só a de armazenamento
O archive economiza de verdade, mas a conta tem quatro linhas, não uma.
Full contra incremental: no tier padrão você paga só os blocos que mudaram; no archive paga o volume inteiro. Pela relação de preço (0,0125 / 0,05), o full arquivado empata com um incremental padrão que tenha 25% do tamanho do volume. Volume que muda pouco no mês pode sair mais caro arquivado. É por isso que a documentação desaconselha arquivar incrementais diários.
Blocos referenciados ficam: dados que outros snapshots da linhagem ainda usam continuam no tier padrão e são cobrados no próximo snapshot. Arquivar não zera a fatura do tier padrão.
Restore e saída antecipada: restaurar os 18 TB do cenário (18.432 GB) custa cerca de US$ 553 por vez. Apagar ou restaurar em definitivo antes de 90 dias gera cobrança proporcional dos dias restantes. Restore temporário não gera essa cobrança, mas durante o período você paga os dois tiers.
Preço do cofre LAG: o armazenamento em cofre LAG é cobrado como AWS Backup, não como EBS, e tem tabela própria. O exemplo da página de preços usa US$ 0,0575 por GB-mês em warm na Irlanda. Confira a sua região na calculadora antes de copiar os números do EBS.
Para observar, filtre o CUR pelos usage types SnapshotArchiveStorage, SnapshotArchiveRetrieval e SnapshotArchiveEarlyDelete. O terceiro, acima de zero, quase sempre aponta um ciclo de vida mal configurado.
Anti-padrões que o cenário expôs
- Cópia cross-Region depois do archive: planejar a segunda região como job posterior a partir do cofre LAG. Depois da transição o ponto não sai mais da região, nem pelo restore access vault.
- Um RTO para a retenção inteira: prometer 24 horas para qualquer ponto em 7 anos de histórico. O ponto arquivado tem outro RTO, e o negócio precisa assinar os dois.
- Cofre padrão sem Vault Lock como primeira linha: a camada diária foi apagada por quem tinha credencial administrativa. Só o cofre com compliance mode sobreviveu.
- Arquivar incremental diário: cada ponto vira full no archive. Com taxa de mudança baixa, a fatura sobe em vez de cair.
- Cota descoberta no incidente: 5 restores simultâneos é o padrão. Pedir aumento com o sistema fora do ar soma dias ao RTO.
Leitura pelos pilares
Segurança
Cofre LAG com compliance mode, chave gerenciada pelo cliente e Multi-party approval numa segunda organização. Os approval teams só existem em us-east-1: isso é dependência de região do seu plano de recuperação e precisa estar escrito.
Confiabilidade
Escreva o RTO por faixa de idade do ponto (warm em horas, archive em dias) e teste as duas no restore testing a partir do restore access vault. Cópia cross-Region sempre como copy action da regra, enquanto o ponto está em warm.
Eu ligaria o archive no cofre LAG, mas só depois de duas coisas: a cópia cross-Region dentro da regra mensal e uma tabela de RTO por faixa assinada pelo dono do negócio. Já vi plano de DR aprovado porque a retenção estava certa e o tempo de volta ninguém tinha medido. Isso não é falha de ferramenta, é falha de pergunta. O teste que eu faria primeiro é um restore real de um ponto arquivado, cronometrado, com os 5 restores simultâneos ocupados.
Lições
Use archive no logically air-gapped vault quando: o ponto é mensal ou mais espaçado, fica guardado bem mais de 90 dias, existe pela exigência de retenção e não como linha de recuperação operacional, e o negócio aceitou por escrito um RTO de dias para ele. Mantenha em warm, e copiado para a segunda região antes da transição, todo ponto que possa ser o último limpo depois de um ataque com meses de permanência. O recurso é bom para retenção regulatória longa; como única linha de defesa contra ransomware, ele troca custo por um RTO que provavelmente ninguém aprovou.
Referências
Continue lendo
Deep dives de arquitetura, AWS, IA e mercado: direto no seu email. Grátis.
Sem spam · cancele quando quiser
Pergunte ao Fernando sobre isto
Uma resposta focada sobre este artigo, do meu assistente de IA, baseada no meu trabalho.
Participe da conversa
Entre para comentar
Confirme seu e-mail para participar, você também recebe a newsletter. Sem senha.